AI画像認識 構築サービス

画像認識に特化したディープラーニング開発体制による
AI画像認識 構築サービス

 画像認識はディープラーニングと組み合わせることで、コンピュータ自らがその特徴量を獲得し、特定の分野では人間よりも早く画像を判断することができます。
そのため、ディープラーニングによる画像認識は、防犯安全対策、自動運転、医療診断、検品作業など、様々な分野での活用が期待されています。

当社の強みであるIPカメラシステムの数多くの実績と、AI画像認識技術の連動により、人間が画像を判別する作業をAIに置き換えられるような業務を洗い出して、シミュレーション、実証評価を実施後に、正式導入することでコスト削減、納期短縮、リアルタイム化、対応業務量の拡大など大きな成果を期待しています。

実際に画像認識の開発には、開発環境の構築後に訓練データを用いて学習済みモデルをプログラミングして作成しますが、当社ではデータの前処理、手法の選択、プログラミングなど開発手法を合理化して、従来開発期間を大幅に短縮いたします。

・「PoC(Proof of Concept/概念実証)」の実施による有効性を調査・検証
・ネットワークカメラ映像管理システムからAI画像認識までのトータルシステム提案・構築
・お客様がお持ちの映像の分析レポート提出など委託請負

「保有技術及び設備」
開発ツール、CaffeやTensorflow等各種フレームワーク技術、GPU関連コンポーネント、ハードウェア(高速GPUであるNVIDIA社のTesla V100を複数枚搭載)

「VMSとAI画像認識エンジンとの連携」
当社のネットワークカメラ管理システムである「SKVMS」https://sk-vms.systemk.co.jp/ に、SDKでAI画像認識を自由に組み込むことができます。
これにより、ネットワークカメラ映像管理システムからAI画像認識までのトータルシステム構築が可能となります。

「開発時の課題を解決します」
・データ前処理フェーズ
画像へのラベリング・タグ付け等の効率化で作業時間を短縮
・プログラミングフェーズ
ディープラーニング開発を各種効率化ツールにより開発時間を大幅に短縮
・判別・認識フェーズ
学習済みモデルをAPI経由で利用したり、組み込みデバイスへ簡単デプロイ可能

「画像認識による基本結果」
・画像分類=何があるのか
・物体検出=何がどこにあるのか
・セグメンテーション=何がどこにありどんな形か
(映像及び動画の利用)

「学習データ準備で学習データを増加させます」
学習データを加工し学習データの数量を増やすことによって、学習済みモデルの精度向上が期待できます。

「転移学習による精度向上ができます」
学習したモデルを再利用し、転移学習を行い精度向上を目指すことができます。
転移学習とは、追加の画像データで再度学習を行い、さらに精度の高いモデルが完成させることです。

「学習結果の可視化を行います」
様々なメトリクスで結果を可視化し読み取ることができます。
再現率、適合率、正解率、混同行列、精度損失、PR曲線

「迅速確実な推論を行います」
推論では、画像を与えると認識結果(物体名、位置、確信度)を簡単に応答させます。
新しい画像を入力として推論を簡単に試せるなど、結果をより理解しやすくするための機能を準備しています。
また、Webだけでなく、APIによる呼び出しや、学習環境とは別のエッジデバイス等へのモデルのデプロイにより、
学習済みモデルを使った推論が簡単に可能です。

「タグ付け作業を効率的に行います」
動画からキャプチャーした画像にタグ付けする場合、類似の画像に数多くの繰り返し作業を強いられます。
そこで、少ない画像数から仮学習したモデルで、残りの画像に推論することで仮のタグを付与して、微修正により大量画像へのタグ付けを行います。

AI画像認識 構築サービスのお問い合わせ

お問い合わせ